座長：新村 正明（信州大学）

13:10-13:30 講演(1) 【タイトル邦題】 第二言語での語の用例の学習のための知的インタラクティブ支援システム
江原　遥（東京学芸大学 ）
【原発表の書誌情報】 Ehara, Y. (2022). An Intelligent Interactive Support System for Word Usage Learning in Second Languages. In: Rodrigo, M.M., Matsuda, N., Cristea, A.I., Dimitrova, V. (eds) Artificial Intelligence in Education. AIED 2022. Lecture Notes in Computer Science, vol 13355. Springer, Cham. https://doi.org/10.1007/978-3-031-11644-5_37
【概要】 外国語語彙学習では複数の意味を持つ多義語の学習が重要だが、用例集の人手作成には労力を要する。本研究では、用例の文脈化単語埋込と深層教師なし異常検知に基づき、人手の用例集等なしに、主要／例外的な用例を視覚的に学習可能な用例学習支援システムを提案した。
	【略歴】 2013年東京大学情報理工学系研究科数理情報学専攻博士後期課程修了。博士（情報理工学）。情報通信研究機構研究員、首都大学東京特任助教、産業技術総合研究所研究員、静岡理工科大学講師等を経て、2021年東京学芸大学講師に着任、2023年4月より同准教授、現在に至る。自然言語処理、人工知能、教育データマイニング等、特に個別最適な外国語の語彙学習支援システム研究に従事。JST ACT-X，ACT-I採択。教育システム情報学会全国大会大会奨励賞(2019/2022)、日本データベース学会論文賞(2017)、DICOMO優秀論文賞(2015)、NLP若手の会奨励賞(2009/2015/2019)等受賞。
13:30-13:50 講演(2) 【タイトル邦題】 ドローイング作品に含まれるストロークの質的評価に基づく教育的成長指標に関する基礎的検討
杉井　奏斗（信州大学 ）
【原発表の書誌情報】 Kanato Sugii, Takashi Nagai and Mizue Kayama : A Basic Study on Educational Growth Indicators Based on Quantitative Evaluation of Strokes Quality in Drawing Works, The 23rd International Conference on Artificial Intelligence in Education, pp.490-501 (2022). doi:10.1007/978-3-031-11644-5_40
【概要】 本研究の目的は，ドローイング作品を定量的に評価するための指標群の具体化である。基礎レベルのドローイング学習では、ドローイングに用いるストロークを単純化するように指導される。そこで、本研究ではドローイング作品に含まれる個々のストロークの形状に着目し，これらのストローク情報を抽象化し、機械学習手法：自己組織化特徴地図を適用して分類を試みた。
	【略歴】 2022年信州大学工学部電子情報システム工学科卒業。2024年信州大学総合理工学研究科工学専攻電子情報システム工学分野修了見込み。
13:50-14:10 講演(3) 【タイトル邦題】 コストと採点品質の最適化に向けたSASにおける人間参加型フレームワークの探求
舟山　弘晃（東北大学 大学院情報科学研究科 乾・坂口・徳久研究室 博士後期課程2年）
【原発表の書誌情報】 Funayama, H., Sato, T., Matsubayashi, Y., Mizumoto, T., Suzuki, J., Inui, K.: Balancing Cost and Quality: An Exploration of Human-in-the-loop Frameworks for Automated Short Answer Scoring, The 24th International Conference on Artificial Intelligence in Education (AIED2023), pp. 465-576.
【概要】 Short Answer Scoring (SAS) は、数十語からなる短答式記述問題の採点を行うタスクである。SASシステムを教育現場に導入することによる採点コストの低減が期待される一方で、十分な採点品質を保つことが課題となっている。本研究では、モデルの予測結果の信頼性が低い場合は人間の採点者が再採点するような実運用に即したフレームワークを想定し、検証を行った。
	【略歴】 2022年 東北大学大学院 情報科学研究科博士前期課程修了. 現在は東北大学大学院情報科学研究科乾・坂口・徳久研究室博士後期課程に在籍中. 自動採点やフィードバックの生成など、自然言語処理の教育応用に関する研究に従事. AIED2022 Best Paper Nominee, 言語処理学会 委員特別賞 (2023/2021)などを受賞.
14:10-14:30 講演(4) 【タイトル邦題】 時系列ニューラルネットワークモデルへの知識蒸留適用による学生の早期成績予測精度改善
村田　隆介（ヤフー株式会社／九州大学 ）
【原発表の書誌情報】 Murata, R., Okubo, F., Minematsu, T., Taniguchi, Y., & Shimada, A. (2022). Recurrent Neural Network-FitNets: Improving Early Prediction of Student Performance by Time-Series Knowledge Distillation. Journal of Educational Computing Research, pp.639–670 (2022).
【概要】 Recurernt Neural Networkの時系列情報に対して知識蒸留を適用することで，学生の成績予測における早期段階の予測精度を改善した．提案モデルは早期段階の入力特徴の将来的な影響を考慮しながら予測していることが確認できた．
	【略歴】 2020年九州大学工学部電気情報工学科卒業。2022年同大学大学院システム情報科学府修士課程修了。同年ヤフー株式会社入社。